YouTube 的定位决策主要基于以下因素：
频道增长动态（订阅者数量和观看次数）；
参与信号（喜欢、不喜欢、评论）；和
视频特征（视频长度、元数据、描述等）。
我们分析了每个变量，以发现一的统计数据，这将帮助您的视频在 YouTube 上获得最佳的曝光度。
研究方法
我们从 Google 数据库中提取了 15,000 个关键词，这会在搜索结果中触发丰富的视频结果。下面我们来看看每个关键词的前 10 个结果，看看不同的视频功能如何影响它们在 YouTube 搜索中的位 保加利亚 whatsapp 数据 置。根据这些数据，我们收集各种指标来评估它们如何影响视频性能。
除此之外，我们还分析了“操作方法”关键字与一般关键字的性能、基于参与度指标（点赞、评论、观看次数）的视频搜索排名以及视频的关键元素（描述、标题、标签）。
我们使用平均值（中位数）而不是平均值来比较不同位置的指标，因为它们对异常值更稳健。
机器学习模型
我们使用机器学习模型来确定 YouTube 视频的哪些特征在定位时最重要。使用三个决策模型，我们发现标题与关键词的相似度、观看次数和视频时长是该模型中最重要的因素。